-
公开(公告)号：CN116186358A
公开(公告)日：2023-05-30
申请号：CN202310100602.3
申请日：2023-02-07
Applicant: 和智信(山东)大数据科技有限公司
IPC: G06F16/906 , G06F16/909 , G06F18/23213 , G06F18/2415 , G06F18/214
Abstract: 本发明提供一种深度轨迹聚类方法、系统及存储介质，包括：得到第一增广数据集合和第二增广数据集合；将第一增广数据集合输入到训练好的轨迹编码模型中得到轨迹编码向量，将第二增广数据集合输入到轨迹动量编码模型中得到轨迹动量编码向量；确定聚类中心、第一类别概率分布和第二类别概率分布，并计算第一目标分布和第二目标分布；计算KL散度对比学习损失；确定第一投影向量和第二投影向量，计算轨迹投影向量对比损失；确定第一轨迹预测向量和第二轨迹预测向量，计算轨迹类别对比损失；确定总模型损失，迭代更新轨迹编码模型和聚类中心，基于最后一次迭代过程中获得的轨迹编码向量及聚类中心对待聚类轨迹数据进行聚类。该方法轨迹数据聚类效果好。
-
公开(公告)号：CN115169526B
公开(公告)日：2023-08-01
申请号：CN202210548996.4
申请日：2022-05-20
Applicant: 北京信息科技大学 , 和智信(山东)大数据科技有限公司
IPC: G06N3/0455 , G06N3/08 , H04W64/00
Abstract: 本发明提供一种基于深度学习的基站表示学习方法、系统及存储介质，所述方法包括：获取基站信息，所述基站信息包括基站的唯一标识码信息、基站静态特征数据以及基站相关动态轨迹数据；基于获取到的基站的经度、纬度以及基站相关动态轨迹数据确定基站之间的邻接矩阵，基于邻接矩阵构建第一基站关系图；基于基站静态特征数据以及基站相关动态轨迹数据构造第一特征向量集合；构建自编码器神经网络模型，将所述第一基站关系图及第一特征向量集合输入至编码器得到基站表示向量集合，将所述基站表示向量集合输入至解码器得到重构的第二基站关系图及第二特征向量集合。该方法可高效的实现基站的表示学习，从而在各类数据挖掘过程中更好的应用基站信息。
-
公开(公告)号：CN116186358B
公开(公告)日：2023-08-15
申请号：CN202310100602.3
申请日：2023-02-07
Applicant: 和智信(山东)大数据科技有限公司
IPC: G06F16/906 , G06F16/909 , G06F18/23213 , G06F18/2415 , G06F18/214
Abstract: 本发明提供一种深度轨迹聚类方法、系统及存储介质，包括：得到第一增广数据集合和第二增广数据集合；将第一增广数据集合输入到训练好的轨迹编码模型中得到轨迹编码向量，将第二增广数据集合输入到轨迹动量编码模型中得到轨迹动量编码向量；确定聚类中心、第一类别概率分布和第二类别概率分布，并计算第一目标分布和第二目标分布；计算KL散度对比学习损失；确定第一投影向量和第二投影向量，计算轨迹投影向量对比损失；确定第一轨迹预测向量和第二轨迹预测向量，计算轨迹类别对比损失；确定总模型损失，迭代更新轨迹编码模型和聚类中心，基于最后一次迭代过程中获得的轨迹编码向量及聚类中心对待聚类轨迹数据进行聚类。该方法轨迹数据聚类效果好。
-
公开(公告)号：CN115169526A
公开(公告)日：2022-10-11
申请号：CN202210548996.4
申请日：2022-05-20
Applicant: 北京信息科技大学 , 和智信(山东)大数据科技有限公司
Abstract: 本发明提供一种基于深度学习的基站表示学习方法、系统及存储介质，所述方法包括：获取基站信息，所述基站信息包括基站的唯一标识码信息、基站静态特征数据以及基站相关动态轨迹数据；基于获取到的基站的经度、纬度以及基站相关动态轨迹数据确定基站之间的邻接矩阵，基于邻接矩阵构建第一基站关系图；基于基站静态特征数据以及基站相关动态轨迹数据构造第一特征向量集合；构建自编码器神经网络模型，将所述第一基站关系图及第一特征向量集合输入至编码器得到基站表示向量集合，将所述基站表示向量集合输入至解码器得到重构的第二基站关系图及第二特征向量集合。该方法可高效的实现基站的表示学习，从而在各类数据挖掘过程中更好的应用基站信息。
-
-
-
Search Results
4
records
(took 0.031 seconds)
